0 引言

增材制造技术是一种集机械学、控制学、光学、材料学等为一体的综合性先进制造技术，常常被人们称为层制造技术、3D打印技术。该技术最早开始于20世纪80年代，通过光或电等热源将材料一层一层堆积形成目标零件，其原理是基于快速成型技术和“离散—堆积”思想，最终实现结构设计—材料制备—构件制造一体化[1-4]。传统的减材工艺加工方法面对小批量、大尺寸、个性化产品会遇到成本高、加工困难等问题。增材制造加工工艺的出现很好地解决了以上问题，而且无需刀具、模具、夹具等辅助技术，可以降低材料浪费，缩短样品的生产周期[5-7]。增材制造独特的工艺特征，使其在工业、航空航天、建筑、医学和食品等领域得到了广泛应用[8-9]。同其他先进制造技术一样，增材制造技术在快速发展的同时，也面临着诸多困难和挑战，其中加工成形复杂曲面零件的轨迹规划困难、熔覆效率低等问题是增材制造技术中迫切需要解决的关键问题。

工业机器人应用到增材制造系统中可以提高增材制造系统的灵活性，但是在加工复杂曲面零件产品时，基于手动示教的机器人编程方式费时费力，而且需要编程人员具有娴熟的编程技术和丰富的现场经验。随着自动化程度的提高和CAD/CAM技术的发展，利用CAD/CAM软件实现机器人自动编程的方式成为工业机器人发展的必然趋势。许多学者和科研单位认识到增材制造的发展潜质，并进行了一系列相关的科学研究。公理性设计思想被用来解决增材制造技术遇到的问题，用于加快新产品的开发周期和已有产品的改进进程[10-11]。相对于传统的制备方法，通过增材制造工艺制备多孔结构与致密试样要简单许多，于是对采用该方法制备的零件微观结构和压缩性能的分析以及相应集成结构的设计方法也随之而来[12-13]。增材制造技术结合快速发展的互联网技术，一种集散制造模式也在逐渐形成[14]。增材制造运动系统的轨迹生成大多基于特征模型的设计，然后基于G代码，通过语言转换程序生成运动系统的轨迹代码[15-18]。在诸多研究推动增材制造技术迅速发展进步的同时，增材制造技术无论在软件方面还是在硬件方面都面临着一些瓶颈问题[19-20]。软件方面，针对轨迹的生成技术大都基于G代码，传统的G代码本质上是基于减材制造工艺，通过G代码生成的运动轨迹对三维软件的依赖性很大，直接在增材制造中运用G代码进行轨迹规划会遇到诸多问题;硬件方面，运动平台是激光直接快速制造金属零件的关键，其直接影响着所制作零件的质量和零件的复杂程度。传统的三坐标直角坐标系运动平台已经不能满足结构复杂、曲率动态变化的复杂曲面成形要求，而多关节机器人高灵活性和多自由度的优势能够提高直角坐标系运动平台的灵活性，逐渐在激光熔覆成形中得到推广和应用。

专业人才在供需结构及其数量上的不平衡是造成医学教育管理常见问题最主要的缘由。产业结构的调整以及经济增长方式的不断转变对于该专业学科的毕业生来说，社会上的供给结构和数量在不同的阶段有着不同的要求，随着产业的调整和市场经济的增长方式的转变会直接要求各大高校对于人才供给的调整快速采取行动。然而，医学院校继续医学教育专业设置比较稳定，而且专业人才的培养需要一定的周期，这样很容易出现社会上相关专业人才供需不平衡的问题出现，直接会导致高校医学教育管理常见问题的出现。

本文结合机器人技术和增材制造技术，以熔覆成形一个三元叶片为背景，通过分析叶片立体光刻(Stereo Lithography, STL)网格模型，对叶片网格模型进行了优化，提取了模型的几何信息，重新建立了叶片模型的拓扑结构，最后建立了从叶片的CAD模型到机器人运动轨迹的自动生成策略。

流散在海外的敦煌文献，除英、法、俄之外，藏品最为丰富的国家当属日本。据不完全统计，日本公私散藏的敦煌文献大约在1000到2000号之间。然而日本藏品来源多途，收藏也很分散，而且不少贮于私立机构或个人藏家之手。

1 叶片网格模型的分析与优化

STL数据格式记录着零件模型的尺寸信息和法向量信息，其因格式简单、数据处理比较方便而成为快速成型系统默认的标准接口文件，三维软件导出的STL文件所描述的网格模型通常质量不高，三角形面片容易出现形状不规则和分布不均匀的问题，需要进行一系列优化处理后才能在实际中产生更好的应用价值。为了保证机器人轨迹分布的均匀性，在网格模型不失真的前提下，需要对最原始的STL模型文件进行优化处理，使细长的三角网格模型和扁平的三角网格模型优化后尽可能地趋近于等边三角形，网格优化原理如图1所示。

②根据物质的量与微粒(分子、原子、离子、电子、质子、中子等)数目、物质的质量、气体体积(标准状况)之间的相互关系进行有关计算。

 

拉普拉斯网格优化是一种通过拉普拉斯算子对欧式空间坐标变量进行优化的方法，优化过程中包含了模型顶点的几何信息提取和顶点间的拓扑关系重建。由于STL文件中包含的数据是一些离散的、独立的三角面片顶点坐标，需要采用离散的拉普拉斯算子对网格模型进行分析优化。离散的拉普拉斯算子的本质是网格模型局部细节特征的分段性逼近过程，是基于离散微分几何的方法，可以直接对网格模型进行柔顺和光滑处理。

7 If else 序列点的顺序为顺时针分类情况的一种

砖烟囱的施工工艺流程为：排砖→砌筑筒身外壁→空气层→砌内衬→勾缝→搭设下一步平台→桅杆提升→砌筑筒身外壁。

 

(1)

拉普拉斯坐标为

 

(2)

优化后模型顶点坐标表示为

 

(3)

基于CAD模型的机器人轨迹自动生成方法包括零件模型几何信息的提取和处理、三角网格间拓扑关系的建立、机器人轨迹的生成等内容。

单施氮、磷、钾肥与不施肥处理相比，N30P0K0施肥处理下鲜草产量显著高于对照N0P0K0(P<0.05)，其他各单施处理北林202苜蓿的鲜草产量与对照N0P0K0无显著差异(P>0.05)，鲜草产量增幅为0.05%～5.29 %；氮、磷、钾肥单施，N0P0K50、N0P0K100、 N0P60K0的干草产量显著高于N0P0K0，其他肥料单施处理的干草产量与N0P0K0无显著差异，干草产量增幅为5.7%～21.6 %。

根据图12推导出合适的搭接率公式，图12所示为两个形状大小完全相同且相邻的熔覆道。

 

 

2 机器人轨迹自动生成

式中：F(Vi,Vj)为第i个顶点与其一阶领域点求差;Vi为第i个顶点的欧式坐标;Vj为第i个顶点的第j个一阶领域点;Li(x,y,z)为第i个顶点的拉普拉斯坐标;n为网格模型分层的个数;di为第i个顶点的一阶领域点的个数;N(i)为第i个顶点的一阶邻域点集;为第i个优化后的顶点坐标。

2.1 模型几何信息的导出

最早由3D公司提出的STL模型已经成为3D打印和快速成型的一个标准。STL文件由一系列三角面片构成，每7行描述一个三角面片，如图4所示，每个三角面片包括3个按照逆时针排列的顶点(V1，V2，V3)信息和垂直面片朝外的法向量(n)信息。

 

优化后的叶片模型一共有646个三角面片，通过遍历所有三角面片，可以提取叶片模型的几何信息。将几何数据从文件中提取出来后，需要确定零件的最大尺寸，进而确定零件的空间大小，以便确定后期制备基体的尺寸，为确定熔覆实验的位置打下基础。

2.2 拓扑结构重建

增材制造的基本思想是“离散—堆积”，为了获得机器人的轨迹点，用一个X-Y面按照一定步长沿着Z轴移动，与三角面片的边相交，产生一系列无序的交点。由于STL文件中的三角形面片是无序的，而且三角形的顶点有许多重复顶点，只有重新建立起三角面片的拓扑关系后才能在实际中应用。模型拓扑结构重建如图5所示，以交边(两个交点组成的边)的拓扑关系为基础，建立三角形点、面的拓扑关系，最终得到一系列有序的交点。

 

2.3 生成机器人轨迹

增材制造只有在小批量、个性化、复杂曲面的制造过程中才能充分发挥其独特的优势，然而传统的机器人示教方式很难实现复杂曲面的加工制造。基于CAD的机器人轨迹自动生成方式能够很好地解决该问题，系统原理如图6所示。首选建立CAD模型，如果模型比较复杂，需要将其进行分块，然后转换成STL模型，提取其几何信息并建立整个模型的拓扑结构，生成层片模型，通过X-Y平面与网格模型求交得到机器人的轨迹点，仿真验证机器人轨迹的正确性，然后倒入机器人进行熔覆实验，最后熔覆成形零件。

 

虽然模型交点的拓扑关系已经建立，机器人轨迹点也已经初步形成，但是无法确定每一层轨迹方向是顺时针方向还是逆时针方向，由于机器人可能熔覆成形一个复杂曲面零件，为了保证熔覆的成功率和机器人运行过程中的安全性，每一层的机器人运动轨迹方向需要保持一致。多个轨迹点围成的闭合曲线的顺/逆时针方向判断方法有多种，主要包括向量法和面积法，但是这两种方法都只适用于凸多边形，不能用于判断复杂曲线围成不规则多边形的方向。本文基于轨迹点的极值，提出一种用于判断不规则多边形方向性的包围盒方法。通过求出每个坐标轴的极大值和极小值，形成一个包围盒，然后根据极值点的出现顺序判断闭合曲线的方向。如果轨迹运动方向为顺时针，则按照翻转程序翻转序列点的顺序并存储;如果轨迹逆时针运动，则保持序列点的顺序不变，从而保证每一层的机器人轨迹都保持逆时针方向运动。

这时，正好来了一辆出租，付玉招下手，出租车停在他们跟前，付玉坐在前面。去北京路上一家韩国面馆。她说。韩国面好吃。她又说。

输出:逆时针方向的机器人轨迹点。

算法:

1 通过模型的拓扑关系得到序列点

2 For i←从1到层片总数

3 找到每一层的边界点P1(Xmin,Y1),P2(X2,Ymin),P3(Xmax,Y3),P4(X4,Ymax)

4 建立空的矩阵A[]，用于存放有向序列点

5 if 序列点的顺序为逆时针分类情况中的一种

6 将序列点存放到矩阵A[]中

均匀离散拉普拉斯算子可以对网格顶点的分布进行优化，且倾向于网格形状的优化，余弦离散拉普拉斯算子倾向于网格的光滑处理[21]。本文采用均匀离散的拉普拉斯算子对网格模型进行优化，离散拉普拉斯优化后的模型顶点的一阶邻域差为

8 颠倒序列点的顺序

9 将颠倒后的序列点存入矩阵A[]中

10 End for i

11 End 程序

小学阶段的学生处在成长发展的关键阶段，是审美价值观形成的关键时期。因此时的学生对教师有着较大的信服感，所以教师在小学语文中进行审美教育的渗透对学生有着重要的影响。为了达到事半功倍的效果，在实际操作的时候，需要我们教师切合实际地采用一定的方式方法。

一旦发病，病猪将会出现明显的发热症状，通常病猪体温可能会升高至41～42.5 ℃，同时出现精神不济、食欲不佳等状况，皮肤发红，腹部下方、四肢末梢等部位皮肤出现紫红色的斑块，呼吸困难，常处于伏卧状态。根据病程发展以及猪个体之间的差异，部分病猪在发病时将会出现严重腹式呼吸情况，而另一部分则常表现为喘气或不规则呼吸，同时，部分病猪还会出现流鼻涕、咳嗽等症状。随着病程的不断延长，部分病猪将会出现全身苍白、贫血等状况，若病情仍不能得到控制，那么病猪将无法站立，最后全身抽搐而死。

包围盒方法首先需要找出4个极值点，然后根据序列点中4个极值点出现的先后顺序判断轨迹的顺/逆时针方向。判断不规则轨迹方向的包围盒方法如图7所示，顺时针熔覆轨迹和逆时针熔覆轨迹的分类情况如图8和图9所示。

 

 

 

2.4 轨迹仿真

将从零件模型自动生成的机器人轨迹导入仿真软件。首先在软件中生成机器人轨迹点云图，进行基坐标系和用户坐标系标定，设置Home点，然后给定速度，启动机器人进行运动仿真，仿真在ROBOTMOVE软件中进行。计算机配置如下：主频2.4 GHz处理器，8 G内存，256 G固态硬盘，英伟达Geforce 940 M显卡。机器人熔覆轨迹仿真如图10所示。

 

仿真过程首先从Home点出发到达第一个轨迹点，然后逐个轨迹点进行仿真验证，整个仿真过程没有出现轨迹交叉、跳跃、抖动等现象。确定无误之后将轨迹打包存储，为机器人熔覆实验做好准备。

输入:方向不确定的序列点。

3 实验

3.1 实验设备简介

激光熔覆增材制造系统主要由计算机、机器人及其控制器、高能激光器、送粉设备和其他辅助设备组成。主要设备如图11所示，设备参数如表1所示。

 

  

表1 主要实验设备参数

  

主要设备型号设备参数机器人KR30HA负载:30KG精度:≤±0.05mm自由度:6激光器LDF-4000-100最大输出功率:4kW最小光斑直径:3mm波长:900nm～1070nm送分器RC-PF-01B-2容量:1.1L/管调整范围:5g/min～150g/min粉末直径:20μm～150μm气体媒介:Argon

3.2 搭接率

文中以一个带有支撑的叶片为模型，重点对叶片模型的形状进行优化，优化后的网格模型分布更均匀，叶片的单个网格形状趋近于等边三角形，优化前后的网格模型如图2和图3所示。

 

由此可得:

SABC=SBDEC=SBDFG=h×c;

(4)

 

 

(5)

进而可以得到两个熔覆道的中心距

 

(6)

式中：

根据已有文献资料[22-23]，熔覆率设置为33%时可以获得较好的表面平整度，

 

(7)

式中：ηc为熔覆率;c为相邻熔覆道的中心距;a为单个熔覆道的宽度;h为单个熔覆道的高度。

叶片熔覆成形实验之前，先用316 L不锈钢金属合金打印了一个13层的样件，材料参数如表2所示。测试结果如图13所示，每相隔5 mm，测量一个高度值，最大高度为4.16 mm，最小高度为4.10 mm，最大高度差为0.06 mm，该结果表明采用的材料和设置的搭接率都能满足平整度的要求。

以上式中：S为柔性直流输电系统的视在功率；PS和QS分别为柔性直流输电系统注入交流系统的有功和无功;US为换流变阀侧电压;UC为换流器出口电压;δ为移相角度;X为换流电抗。

 

表2 实验材料参数

  

熔覆化学成分含量/%不锈钢合金粉316L(320～500目,球形)Ni>32Cr<22B<2.5C<0.05Fe余量

 

3.3 叶片熔覆实验

根据仿真的轨迹点数据进行了叶片的熔覆实验，实验参数如表3所示。熔覆成形一个叶片零件一共有17 788个运动轨迹点，如果采用传统的逐点示教方式，则示教一个轨迹点需要10 s，熔覆一个叶片零件需要耗时50 h，而采用本文提出的基于CAD的机器人轨迹自动生成技术，激光熔覆一个叶片零件从建模到熔覆实验完成只使用了3 h，在提高熔覆效率的同时减轻了操作工人的工作难度。最终成形的零件(如图14)由叶片和支撑两部分组成，零件外形与CAD模型基本一致。

 

表3 实验参数

  

名称参数激光功率/kw1.3光斑直径/mm3激光扫描速度/(m·s-1)0.005粉末密度/(g·min-1)3.35保护器流量/(L·h-1)360熔覆层个数293步长/mm0.3搭接量/mm2.01搭接率/%33

 

4 结束语

本文结合增材制造技术，针对传统的机器人示教方式不能满足复杂曲面编程的问题，给出一种由CAD模型直接生成机器人加工轨迹的方法。并基于仿真数据和熔覆实验验证了方法的可行性。由此，可以得到以下结论：

复方妥英麻黄茶碱片致苯妥英中毒的临床特征（附3例报告） … ………………… 庞冬清，刘芳，孙阳 297

(1)基于均匀离散拉普拉斯算子，实现了对CAD网格模型的形状优化。

(2)利用包围盒的方法能够准确有效地判断不规则闭合曲线的顺/逆时针方向。

(3)采用基于CAD的机器人轨迹自动生成技术，比传统的示教方式省时、省力，稳定性和可靠性更有保证，是机器人编程方式的一项革新。

网购已经成为大学生普遍的购物方式，服装、外卖、零食是大学生网购排名前三的品类。大学生消费水平的提高，会持续拉动校团需求市场的内需。

上述结论可用于复杂零件的增材制造，同时，也为机器人提供了一种新的编程方式，扩大了其应用领域。下一步将在提高系统的鲁棒性、改进切片算法、建立内部路径填充模型等关键技术展开深入的研究，改善激光熔覆成形系统的成形精度，将基于机器人的激光熔覆成形系统的优势发挥到最大。

本文所采用的数据来源于对新疆乌鲁木齐市米东区、吉木乃、精河县、鄯善、巴里坤、沙湾县、呼图壁的实地调研。本次调研采取直接入户的方式，与农户进行“一对一、面对面”的问卷调查，对于样本乡镇、样本村和样本农户，则釆取随机取样的方式选取。本次调查共发放250份问卷，剔除内容不完整的问卷6份，最终得到有效问卷244份。

参考文献:

[1] CERIT E, LAZOGLU I. A CAM-based path generation method for rapid prototyping applications[J]. The International Journal of Advanced Manufacturing Technology,2011,56(1):319-327.

[2] GARDAN J. Additive manufacturing technologies:state of the art and trends[J]. International Journal of Production Research,2016,54(10):3118-3132.

[3] ISO/DIS. ISO/ASTM-17296 Standard on Additive Manufacturing(AM) Technologies[S]. Geneva, Switzerland:ISO,2014.

[4] HAN Yu, JIA Guozhu. Optimization of manufacturability in 3D printing based discrete products[J]. Computer Integrated Manufacturing Systems,2016,22(05)：1229-1234(in Chinese).[韩 钰,贾国柱.基于3D打印的离散型产品可制造性优化问题[J].计算机集成制造系统,2016,22(05)：1229-1234.]

[5] GUO N, MING C L. Additive manufacturing:technology, applications and research needs[J]. Frontiers of Mechanical Engineering,2013,8(3):215-243.

[6] BARTLETT N W, TOLLEY M T, OVERVELDE J T,et al. Soft robotics. a 3D-printed, functionally graded soft robot powered by combustion[J]. Science,2015,349(6244):161.

[7] MACDONALD E, WICKER R. Multiprocess 3D printing for increasing component functionality[J]. Science,2016,353(6307):aaf2093.DOI:10.1126/science.aaf2093.

[8] SALONITIS K, D’ALVISE L, SCHOINOCHORITIS B,et al. Additive manufacturing and post-processing simulation:laser cladding followed by high speed machining[J]. The International Journal of Advanced Manufacturing Technology,2016,85(9):2401-2411.

[9] GALL M, LI X, CHEN X,et al. Computer-aided planning and reconstruction of cranial 3D implants[C]//Proceedings of the 38th Annual International Conference of IEEE EMBS. Washington, D.C.,USA:IEEE,2016:1179-1183.

[10] SALONITIS K. Design for additive manufacturing based on the axiomatic design method[J]. International Journal of Advanced Manufacturing Technology,2016,87(1):989-996.

[11] KILLI S, KEMPTON W L, MORRISON A. Design issues and orientations in additive manufacturing[J]. International Journal of Rapid Manufacturing,2015,5(3/4):289-307.

[12] WANG Jianfei, CHEN Changjun, WANG Xiaonan, et al. Microstructure and compressive property of porous stainless steel fabricated by laser 3D printing[J]. Journal of Mechanical Engineering,2016,52(21)：206-212(in Chinese).[王健飞,陈长军,王晓南,等.激光3D打印制备多孔结构不锈钢的组织及压缩性能研究[J].机械工程学报,2016,52(21)：206-212.]

[13] SONG Guohua, JING Shikai, XU Wenting, et al. Tree-inspired generative design method of support structures for FDM[J]. Computer Integrated Manufacturing Systems,2016,22(03)：583-588(in Chinese).[宋国华,敬石开,许文婷,等.面向熔融沉积成型的树状支撑结构生成设计方法[J].计算机集成制造系统,2016,22(03)：583-588.]

[14] JIANG Yuejuan, LU Bingheng, FANG Xuewei, et al. 3D printing-based Internet collect-manufacturing mode[J]. Computer Integrated Manufacturing Systems,2016,22(6)：1424-1433(in Chinese).[姜月娟,卢秉恒,方学伟,等.基于3D打印的网络化集散制造模式研究[J].计算机集成制造系统,2016,22(6)：1424-1433.]

[15] HAYASI M T, ASIABANPOUR B. Machine path generation using direct slicing from design-by-feature solid model for rapid prototyping[J]. The International Journal of Advanced Manufacturing Technology,2009,45(1):170-180.

[16] LIU Weizhi, LUAN Nan, LIU Baosheng. Auto-programming for industrial robots based on G-code[J]. Robot,2002,24(6)：497-501(in Chinese).[刘为志,栾 楠,刘宝生.基于G代码的工业机器人的自动编程[J].机器人,2002,24(06)：497-501.]

[17] CHEN Tao, LI Guangyao. Quadrilateral mesh generation based on STL file format model and mesh smoothing[J]. Journal of Mechanical Engineering,2009,20(05)：522-528(in Chinese).[陈 涛,李光耀.STL格式文件的四边形网格剖分与网格光顺[J].中国机械工程,2009,20(05)：522-528.]

[18] YU Hong, HAN Ming, ZHANG Lichao, et al. Path optimization based on level information[J]. Journal of Huazhong University of Science and Technology(Natural Science Edition),2002,30(02):35-36(in Chinese).[俞 红,韩 明,张李超,等.基于层面信息的路径优化[J].华中科技大学学报(自然科学版),2002,30(02)：35-36.]

[19] ZHENG H D, CONG M, LIU D, et al Automatic path and trajectory planning for laser cladding robot based on CAD[C]//Proceedings of the International Conference on Mechatronics and Automation. Washington, D.C.,USA:IEEE,2016:1338-1343.

[20] ZHENG H D, CONG M, Dong H, et al. CAD-based automatic path generation and optimization for laser cladding robot in additive manufacturing[J]. The International Journal of Advanced Manufacturing Technology,2017,92(9/10/11/12):1-10.DOI:10.1007/s00170-017-0384-0.

[21] NEALEN A, IGARASHI T, SORKINE O,et al. Laplacian mesh optimization[C]//Proceedings of the 4th International Conference on Computer Graphics and Interactive Techniques in Australasia and Southeast Asia. New York, N.Y.,USA:ACM,2006:381-389.

[22] HUANG Weidong, LIN Xin, CHEN Jing, et al. Laser solid forming[M]. Xi’an:Northwestern Polytechnical University Press,2007：57-60(in Chinese).[黄卫东,林 鑫,陈 静,等.激光立体成形[M].西安：西北工业大学出版社,2007：57-60.]

[23] YASA E, KRUTH JP. Investigation of laser and process parameters for selective laser erosion[J]. Precision Engineering,2010,34(1):101-112.